QQ158921347的博客

蚁群算法，C语言，144个城市TSP。 蚁群算法，C语言，144个城市TSP。 蚁群算法，C语言，144个城市TSP。 蚁群算法，C语言，144个城市TSP。

PlatEMO-PlatEMO_v2.8.0.zip

20种非支配排序 MATLAB 代码

自己写的MATLAB NSGAII

PlatEMO-master-2.4 PlatEMO-master-2.4

单目标遗传算法

遗传算法求函数极大值

tsp遗传算法求解-改进版 tsp遗传算法求解-改进版 tsp遗传算法求解-改进版 tsp遗传算法求解-改进版

多目标优化MOEA/D 代码 （matlab）：完全抽离不依赖于平台 多目标优化MOEA/D 代码 （matlab）：完全抽离不依赖于平台 多目标优化MOEA/D 代码 （matlab）：完全抽离不依赖于平台

PlatEMO2.3.0(2019.10.29)

OTL多目标进化算法平台

可以完美解决安装office2013/2010/2007 64位版本时出现”无法安装64位版本的Office，因为在您的PC上找到了以下32位程序“的问题。

PlatEMO-PlatEMO_v2.2.0PlatEMO-PlatEMO_v2.2.0PlatEMO-PlatEMO_v2.2.0PlatEMO-PlatEMO_v2.2.0PlatEMO-PlatEMO_v2.2.0

蚁群算法解决TSP问题

PlatEMO v2.0 (2019-4-19)

PlatEMO v2.0 (2019-3)

PlatEMO v1.5 (2017-12)

const int city_num = 144; //城市数目 const int individual_num = 2000; //种群初始值 const int age = 500; //遗传代数 const double varation_p = 0.1; //变异因子 typedef struct City_xy //储存给定的城市数据包含序号和坐标 { int order; double x; double y; }City_xy; typedef struct City { int mark; }City; typedef struct Population { City city[145]; //城市数组 double distance; //个体城市序列距离之和 double Fitness; //适应度 double Fitness_pi; }Population;

ZDT1、ZDT2、DTLZ1测试函数也写好了，附有实验效果图，希望对大家学习有帮助！！ void generateLamda(int M)//产生N 个权重向量 weight vector //lamdaM 为 N*M矩阵(N个lamda,每个lamda有m维) { //动态生成二维数组 lamdaMat=new double *[N+3];//注意，int*[10]表示一个有10个元素的指针数组 for(int i=1; i<=N+1; i++) { lamdaMat[i]=new double[M+1]; } belta=new double *[N+3];//注意，int*[10]表示一个有10个元素的指针数组 for(int x=1; x<=N+1; x++) { belta[x]=new double[M+1]; } // 2目标 if(M==2) { double *array1=new double[N+3]; for(int i=0; i<=N+1; i++) array1[i]=i*1.0/N; for(int i=1; i<=N+1; i++)//////////////////////////////// { lamdaMat[i][1]=array1[i-1]; lamdaMat[i][2]=1-array1[i-1];//保证M个分量之和为1 } ////////////////////////////////////////////////////////////

//个体的类声明： class individual { public: double value[Dimension];//每一维xi的值 int sp[2*popsize]; //支配i的集合 int np;//个体i支配的数量 int is_dominated;//集合sp的个数 int rank;//优先级，Pareto级别为当前最高级 double fitness;//个体适应度值 void init();//初始化个体 double fvalue[2];//ZDT1问题目标函数的值 void f_count();//计算fvalue的值 }; //群体的类声明： class population { public: population();//类初始化 individual P[popsize]; individual Q[popsize]; individual R[2*popsize]; void set_p_q(); //随机产生一个初始父代P，在此基础上采用二元锦标赛选择、 //交叉和变异操作产生子代Q。P和Q群体规模均为popsize //将Pt和Qt并入到Rt中（初始时t=0），对Rt进行快速非支配解排序， //构造其所有不同等级的非支配解集F1、F2........ int Rnum; int Pnum; int Qnum; //P,Q,R中元素的个数 void calc_fitness();//计算P ,Q群体的适应度 void Q_make_new_pop(); void f_sort(int i);//对拥挤距快速非支配排序法：重点！！！ void maincal();//主要操作 int Q_choice(int a,int b); //两个个体属于不同等级的非支配解集，优先考虑等级序号较小的 //若两个个体属于同一等级的非支配解集，优先考虑拥挤距离较大的 void choose_best(); void archive_truncation_procedure(); int min_distance(); };

用贪心思想解决TSP问题代码+

NSGA2代码+注释 /*利用二进制锦标赛产生子代： 1、随机产生一个初始父代Po，在此基础上采用二元锦标赛选择、交叉和变异操作产生子代Qo， Po 和Qo群体规模均为N 2、将Pt和Qt并入到Rt中（初始时t=0），对Rt进行快速非支配解排序，构造其所有不同等级的非支配解集F1、F2…….. 3、按照需要计算Fi中所有个体的拥挤距离，并根据拥挤比较运算符构造Pt+1，直至Pt+1规模为N，图中的Fi为F3 */

01背包问题属于组合优化问题的一个例子，求解01背包问题的过程可以被视作在很多可行解当中求解一个最优解。01背包问题的一般描述如下： 给定n个物品和一个背包，物品i的重量为Wi，其价值为Vi，背包的容量为C。选择合适的物品装入背包，使得背包中装入的物品的总价值最大。注意的一点是，背包内的物品的重量之和不能大于背包的容量C。在选择装入背包的物品时，对每种物品i只有两种选择：装入背包或者不装入背包，即只能将物品i装入背包一次。称此类问题为0/1背包问题。 01背包问题是NP问题，传统的解决方法有动态规划法、分支界限法、回溯法等等。传统的方法不能有效地解决01背包问题。遗传算法（Genetic Algorithms）则是一种适合于在大量的可行解中搜索最优（或次优）解的有效算法。

给定n个物品和一个背包，物品i的重量为Wi，其价值为Vi，背包的容量为C。选择合适的物品装入背包，使得背包中装入的物品的总价值最大。注意的一点是，背包内的物品的重量之和不能大于背包的容量C。在选择装入背包的物品时，对每种物品i只有两种选择：装入背包或者不装入背包，即只能将物品i装入背包一次。称此类问题为0/1背包问题。

01背包问题属于组合优化问题的一个例子，求解01背包问题的过程可以被视作在很多可行解当中求解一个最优解。01背包问题的一般描述如下： 给定n个物品和一个背包，物品i的重量为Wi，其价值为Vi，背包的容量为C。选择合适的物品装入背包，使得背包中装入的物品的总价值最大。注意的一点是，背包内的物品的重量之和不能大于背包的容量C。在选择装入背包的物品时，对每种物品i只有两种选择：装入背包或者不装入背包，即只能将物品i装入背包一次。称此类问题为0/1背包问题。